基于灰色理论的电网负荷特性影响因素定量分析

定量地分析电网负荷特性的影响因素,对电力系统调度、规划和运行具有重要意义。针对数理统计中线性相关性分析方法必须假定影响因素之间满足线性相关性等不足,采用灰色关联度分析方法对电网负荷特性的影响因素进行分析,揭示了电网负荷特性的变化规律,并将所提理论应用于深圳电网负荷特性影响因素的定量分析中。验证结果表明:该方法简单,易于实现,且与数理统计中的相关性分析相比,该方法能更准确地揭示负荷特性的实际规律。     

电网夏季气象敏感负荷特性分析

提出了气象因素温度、相对湿度、气压,风速,辐射对负荷影响关系,建立了夏季气象敏感负荷分别与温度、相对湿度、气压、辐射和风速的关系模型.根据杭州市2006年1月1日至2007年9月10日每日96点负荷数据和24点实时气象资料分析和验证,证明了其有效性,从而为供电部门和调度部门的工作人员提供有用的参考信息.     

大型城市电网负荷特性及其影响因素分析

随着大型城市电力供需矛盾的不断加剧,负荷特性调查分析显得尤为重要,这是电网公司做好规划工作的重要前提。本文以郑州电网为例,结合郑州电网历史数据及当前实际情况,对郑州电网2007—2013年负荷特性指标进行统计,并引入灰色关联度理论对影响郑州电网负荷特性变化的因素进行量化分析,找出引起负荷特性变化的主要因素。在灰色关联分析中引入熵权法,克服了传统灰色关联度计算的不足之处,分析结果可为电力系统负荷预测、电网规划建设等提供参考依据。     

气象因素对京津唐电网夏季负荷特性影响分析

京津唐电网作为一个独立的电网控制区,用电负荷呈现日趋明显的城市负荷特性。在梳理大量京津唐电网负荷数据的基础上,总结了京津唐电网不同天气条件下的夏季负荷特性,探讨了气象因素与电网负荷特性之间的关系,辨识出京津唐电网夏季负荷主导因素,采用多项式曲线回归方法分析了温度、湿度对京津唐电网负荷的灵敏度关系,给出了京津唐电网夏季考虑热累积效应后的修正最高温度公式,并对提高负荷预测准确度的应用效果进行初步分析。     

地区级电网负荷特性及其影响因素分析

结合作者所在地区电网的实际,详细分析了电网负荷特性及其影响因素,综合考虑了各产业、水电机组、气候条件、产业结构与政策、电网规划与建设等多因素对实际电网负荷的影响。针对所在电网存在的问题,提出了改善电网负荷特性的建议。     

影响电网负荷及短期负荷预测准确率因素分析

根据天津电网负荷情况。对影响短期负荷预测精度的因素进行分析，并提出对策和今后的工作重点。     

广东电网负荷预测误差因素分析

随着社会经济的不断发展和电网布局的日趋庞大,负荷预测的准确度难以满足电网运营负荷精度要求,预测误差始终存在,而影响误差的各种因素呈现出多样性、突发性和随机性的复杂态势。文章以广东电网为例,采用因果分析图法,分析了影响负荷预测误差的"4M+1E"五大因素,并运用排列图法,判定出影响广东电网负荷预测误差的主要、次要、一般因素。研究负荷预测误差的影响因素,对于控制误差、提高预测质量具有重要的指导意义。     

益阳电网负荷特性及其影响因素分析

研究负荷特性是提高电网运行的经济性,电网电力电量平衡计算,电网调峰规划及电源规划的基础,对于水电比重较大的电网,尤为重要。随着经济的发展,产业结构的调整,负荷构成和用电方式发生了相应的变化,电网负荷特性呈现出新的变化趋势。     

陕西电网负荷特性研究

运用详实的数据,对陕西电网负荷特性进行了深入的研究,并对影响负荷特性变化的主要因素进行了分析探讨,提出了陕西电网负荷特性未来变化的趋势。     

陕西电网负荷特性研究

运用详实的数据，对陕西电网负荷特性进行了深入的研究，并对影响负荷特性变化的主要因素进行了分析探讨，提出了陕西电网负荷特性未来变化的趋势。     

重庆地区电力负荷特性及其影响因素分析

研究电力负荷变化特性和规律对提高短期负荷预测精度具有重要意义。根据重庆地区近年来收集的历史负荷数据和气象数据等相关信息,分析了年最大和最小负荷及典型日负荷曲线的变化规律,研究了该地区的负荷特性与主要影响因素之间的相互关系,并针对重庆地域特点,分析了各主要影响因素对该地区负荷的影响程度和主要影响时段。研究结果表明,目前温度、降雨量和节假日对重庆地区电力负荷的影响较大,可为研究重庆地区电力短期负荷预测方法和分析未来智能电网的负荷特性提供理论依据。     

考虑气象因素的电采暖负荷预测研究

为了改善空气环境,政府大力推进煤改电工程的落地实施,电采暖负荷被大量采用。电采暖负荷具有功率大、与季节和气象关系紧密、负荷密度集中的特征,对配电网规划运行产生较大影响,文中主要从气象因素角度出发,通过分析电采暖负荷的典型特征,筛选了温度和湿度两个主要气象因素,并结合北京某煤改电工程实际数据,通过回归分析方法分别提取了温度和湿度两个因素对电采暖负荷的灵敏度系数,提出了以温度因素为主,湿度因素为修正的电采暖负荷预测方法,经与实测数据对比,证明该预测方法具有更高的精准度。     

考虑气象因素的相似聚类短期负荷组合预测方法

提出以气象负荷和长期趋势负荷之和为聚类中心对历史负荷数据进行相似搜索的方法,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。以权重优化组合的方式采用多种负荷预测方法进行组合负荷预测,应用实例证明该方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,因而具有广泛的自适应性,对于负荷总量较小、变动范围较大且受天气因素影响明显的地区具有较好的预测精度。     

常德地区负荷特性及其影响因素分析

根据常德地区历史负荷和气象数据等相关资料,统计了该地区负荷特性指标,研究分析了当前该地区的负荷特性和影响负荷变化的主要因素.然后,分别分析各主要影响因素对该地区负荷的影响.针对各主要影响因素来具体分析其对地区负荷的影响程度、影响负荷所占的比重和影响的时段,并量化分析各部分负荷与影响因素的关系.最后,根据分析结果对该地区负荷预测工作提出相应的建议     

基于负荷分解和实时气象因素的短期负荷预测

根据地区气象与负荷的相关关系,从总负荷中分解出对气象不敏感的基础负荷和受气象因素影响的气象敏感负荷,并分别采用灰色系统GM(1,1)模型和基于LMBP (Levernberg–Marquardt back propagation)算法的多层前馈神经网络对二者进行建模预测。在对实时气象因素、日特征气象因素与气象敏感负荷相关性分析的基础上,重点把握某些气象因素与气象敏感负荷之间的联系。通过合理选择神经网络的输入变量,实现了基于实时气象因素的短期负荷预测。实际应用证明了所提出方法的有效性。     

影响电力负荷避峰的关联因素分析

提高电力负荷避峰的效率既是需求侧管理的重要内容,也是改善电网运行的需要。分析了影响负荷避峰的多种因素,根据成都地区负荷避峰的实际情况,用灰色关联分析方法对各种关联因素进行了关联系数分析,确定了影响负荷避峰的因素序列,为负荷避峰管理提供了定量分析的依据。计算结果表明该方法能够较好分析出各种因素的作用大小。     

基于功率谱分解和实时气象因素的短期负荷预测

提出了基于功率谱分解和实时气象因素的短期负荷预测方法,采用快速傅里叶变换(fast Fourier transform,FFT)对负荷序列进行变换得到功率谱,依据变换结果分析功率谱得出负荷基频、低频和高频分量的频率范围,采用有限脉冲响应(finite impulse response,FIR)滤波器从负荷中分离出各 个负荷分量。分析各个负荷分量的特点,针对各个负荷分量分别设计预测模型,对基频分量采用Elman回归神经网络进行预测,这部分较好地反映出基频分量的时间序列特性;对低频和高频分量分别采用自适应线性回归神经网络进行预测,在对这部分分量的预测中重点引入实时气象因素,以利用最新的气象信息提高预测精度。通过在某地区的实际应用证明了所提出方法的有效性。     

短期负荷预测中实时气象因素的影响分析及其处理策略

短期负荷预测对于电力系统安全经济运行有着重要的作用,因此,人们一直致力于研究新的预测模型,提高预测精度。目前,实现提高预测精度这个目标的关键是如何更加合理地考虑气象因素对负荷的影响,因为气象敏感负荷在总负荷中所所占的比重越来越大。长期以来,鉴于气象部门无法提供实时温度等气象预测结果,电力系统所建立的预测模型绝大多数都是基于日特征气象因素,诸如日最高温度、最低温度等。针对短期负荷预测,作者剖析了气象因素的影响和作用,分析了处理不同阶段气象因素的策略,并提出了考虑实时气象因素的短期负荷预测新模型,该模型基于神经网络,力图寻求温度、湿度等实时气象因素与负荷曲线之间的相关关系和变化规律。实际应用表明,文中的预测模型和处理策略可以得到更加精确的预测结果。此短期负荷预测新模型也适用于超短期负荷预测。